AI Layer1 Araştırma Raporu: On-chain DeAI'nin Verimli Topraklarını Bulmak

Genel Bakış

Son yıllarda, OpenAI, Anthropic, Google, Meta gibi önde gelen teknoloji şirketleri büyük dil modellerinin (LLM) hızlı gelişimini sürekli olarak teşvik ediyor. LLM, her alanda benzeri görülmemiş yetenekler sergileyerek insan hayal gücünü büyük ölçüde genişletti ve bazı senaryolarda insan emeğini ikame etme potansiyelini bile gösterdi. Ancak, bu teknolojilerin çekirdeği birkaç merkezi teknoloji devinin elinde sıkı bir şekilde tutuluyor. Sağlam sermaye ve yüksek maliyetli hesaplama kaynaklarına sahip olma becerisi ile bu şirketler, çoğu geliştirici ve yenilikçi ekibin rekabet etmesini zorlaştıran aşılması güç engeller inşa etti.

Aynı zamanda, AI'nın hızlı evriminin başlarında, toplumun kamuoyunun genellikle teknolojinin getirdiği atılımlara ve kolaylıklara odaklandığı, ancak gizlilik koruma, şeffaflık, güvenlik gibi temel konulara olan ilginin nispeten az olduğu görülmektedir. Uzun vadede, bu sorunlar AI endüstrisinin sağlıklı gelişimini ve toplumsal kabulünü derinden etkileyecektir. Eğer bu sorunlar uygun bir şekilde çözülemezse, AI'nın "iyi" mi yoksa "kötü" mü olacağına dair tartışmalar daha da belirginleşecektir. Merkezi devlerin kâr amaçlı içgüdüleriyle hareket ederken, bu zorluklarla proaktif bir şekilde başa çıkmak için yeterli motivasyona sahip olmaları genellikle zor olmaktadır.

Blockchain teknolojisi, merkeziyetsizlik, şeffaflık ve sansüre dayanıklılık gibi özellikleri sayesinde AI sektörünün sürdürülebilir gelişimi için yeni olanaklar sunmaktadır. Şu anda, bazı ana akım blok zincirlerinde birçok "Web3 AI" uygulaması ortaya çıkmıştır. Ancak derinlemesine analiz yapıldığında, bu projelerin hâlâ birçok sorunla karşılaştığı görülebilir: bir yandan, merkeziyetsizlik düzeyi sınırlıdır, kritik aşamalar ve altyapı hâlâ merkezi bulut hizmetlerine bağımlıdır, meme niteliği aşırı yüksektir ve gerçek anlamda açık bir ekosistemi desteklemek zordur; diğer yandan, Web2 dünyasındaki AI ürünleri ile karşılaştırıldığında, on-chain AI, model yetenekleri, veri kullanımı ve uygulama senaryoları gibi konularda hâlâ sınırlıdır, yenilik derinliği ve genişliği artırılmayı beklemektedir.

Gerçekten merkeziyetsiz AI vizyonunu gerçekleştirmek, blockchain'in güvenli, verimli ve demokratik bir şekilde büyük ölçekli AI uygulamalarını barındırmasını sağlamak ve performans açısından merkezi çözümlerle rekabet edebilmesi için, AI'ya özel bir Layer1 blockchain tasarlamamız gerekiyor. Bu, AI'nın açık yenilik, yönetişim demokrasisi ve veri güvenliği için sağlam bir temel sağlayacak ve merkeziyetsiz AI ekosisteminin refahını teşvik edecektir.

AI Layer 1'in temel özellikleri

AI Layer 1, AI uygulamaları için özel olarak tasarlanmış bir blockchain olarak, alt yapısı ve performans tasarımı, AI görevlerinin gereksinimlerini yakından takip eder. Amacı, on-chain AI ekosisteminin sürdürülebilir gelişimini ve refahını verimli bir şekilde desteklemektir. Özellikle, AI Layer 1'in aşağıdaki temel yeteneklere sahip olması gerekmektedir:

1. Etkili Teşvik ve Dağıtık Konsensüs Mekanizması AI Layer 1'in temeli, açık bir hesaplama, depolama ve diğer kaynakların paylaşım ağı kurmaktır. Geleneksel blok zinciri düğümlerinin öncelikle defter kaydı tutmaya odaklanmasının aksine, AI Layer 1 düğümleri daha karmaşık görevler üstlenmelidir; yalnızca hesaplama gücü sağlamalı, AI modellerinin eğitimi ve çıkarımı işlemlerini tamamlamalı, ayrıca depolama, veri, bant genişliği gibi çeşitli kaynakları da katkıda bulunmalıdır. Bu, dağıtık konsensüs ve teşvik mekanizmaları için daha yüksek gereksinimler getirir: AI Layer 1, düğümlerin AI çıkarımı, eğitimi gibi görevlerdeki gerçek katkılarını doğru bir şekilde değerlendirmeli, teşvik etmeli ve doğrulamalıdır; bu da ağın güvenliğini ve kaynakların verimli dağılımını sağlamalıdır. Ancak bu şekilde ağın istikrarı ve refahı garantilenebilir ve genel hesaplama maliyetleri etkili bir şekilde düşürülebilir.

2. Üstün yüksek performans ve heterojen görev destek yeteneği. AI görevleri, özellikle LLM'nin eğitimi ve çıkarımı, hesaplama performansı ve paralel işleme yeteneği için son derece yüksek talepler ortaya koymaktadır. Daha da ötesi, on-chain AI ekosistemi genellikle farklı model yapıları, veri işleme, çıkarım, depolama gibi çeşitli sahneleri içeren çeşitli, heterojen görev türlerini desteklemelidir. AI Layer 1, temel mimaride yüksek throughput, düşük gecikme ve esnek paralel gibi talepler için derinlemesine optimizasyon yapmalı ve heterojen hesaplama kaynaklarını yerel olarak destekleme yeteneğini önceden ayarlamalıdır. Böylece çeşitli AI görevlerinin verimli bir şekilde çalışmasını sağlayarak "tek tip görev"ten "karmaşık ve çeşitli ekosistem"e sorunsuz bir genişleme gerçekleştirilmelidir.

3. Doğrulanabilirlik ve Güvenilir Çıktı Güvencesi AI Layer 1, yalnızca modelin kötüye kullanılmasını, verilerin değiştirilmesini gibi güvenlik risklerini önlemekle kalmamalı, aynı zamanda alt düzey mekanizmalarla AI çıktı sonuçlarının doğrulanabilirliğini ve uyumunu sağlamalıdır. Güvenilir yürütme ortamı (TEE), sıfır bilgi kanıtı (ZK), çok taraflı güvenli hesaplama (MPC) gibi öncü teknolojilerin entegrasyonu ile platform, her model çıkarımı, eğitim ve veri işleme sürecinin bağımsız olarak doğrulanabilmesini sağlayarak AI sisteminin tarafsızlığını ve şeffaflığını garanti edebilir. Aynı zamanda, bu doğrulanabilirlik kullanıcıların AI çıktılarının mantığını ve dayanağını netleştirmesine yardımcı olarak "bulunanın istenileni" gerçekleştirilmesine olanak tanır ve kullanıcıların AI ürünlerine olan güvenini ve memnuniyetini artırır.

4. Veri gizliliği koruma AI uygulamaları genellikle kullanıcıların hassas verilerini içerir, finans, sağlık, sosyal medya gibi alanlarda veri gizliliğinin korunması son derece önemlidir. AI Layer 1, doğrulanabilirliği sağlarken, şifreleme tabanlı veri işleme teknolojileri, gizlilik hesaplama protokolleri ve veri yetki yönetimi gibi yöntemler kullanmalı, verilerin çıkarım, eğitim ve depolama süreçlerinde güvenliğini sağlamalı, veri sızıntısını ve kötüye kullanımı etkili bir şekilde önlemeli, kullanıcıların veri güvenliği konusunda endişelerini ortadan kaldırmalıdır.

5. Güçlü Ekosistem Taşıma ve Geliştirme Destek Kapasitesi AI'ye özgü Layer 1 altyapısı olarak, platform yalnızca teknik üstünlüğe sahip olmakla kalmamalı, aynı zamanda geliştiriciler, düğüm operatörleri, AI hizmet sağlayıcıları gibi ekosistem katılımcılarına kapsamlı geliştirme araçları, entegre SDK, operasyon desteği ve teşvik mekanizmaları sunmalıdır. Platformun kullanılabilirliğini ve geliştirici deneyimini sürekli optimize ederek, zengin çeşitliliğe sahip AI'ye özgü uygulamaların hayata geçmesini desteklemek ve merkeziyetsiz AI ekosisteminin sürekli refahını sağlamak.

Yukarıdaki arka plan ve beklentilere dayanarak, bu makale Sentient, Sahara AI, Ritual, Gensyn, Bittensor ve 0G dahil olmak üzere altı AI Layer1 temsilci projesini ayrıntılı bir şekilde tanıtacak, alanın en son gelişmelerini sistematik olarak inceleyecek, projelerin gelişim durumunu analiz edecek ve gelecekteki eğilimleri tartışacaktır.

Sentient: Sadık açık kaynak merkeziyetsiz AI modeli oluşturma

Proje Özeti

Sentient, açık kaynak bir protokol platformudur ve bir AI Layer1 blok zinciri ( inşa etmektedir. İlk aşama Layer 2 olarak başlamaktadır, ardından Layer 1)'e geçecektir. AI Pipeline ve blok zinciri teknolojilerini birleştirerek merkeziyetsiz bir yapay zeka ekonomisi inşa etmeyi hedeflemektedir. Temel hedefi, merkezi LLM pazarındaki model mülkiyeti, çağrı izleme ve değer dağıtımı sorunlarını "OML" çerçevesi (açık, kârlı, sadık) aracılığıyla çözmektir. Bu sayede yapay zeka modellerinin zincir üzerindeki mülkiyet yapısının, çağrıların şeffaflığının ve değer paylaşımının sağlanması hedeflenmektedir. Sentient'in vizyonu, herkesin AI ürünlerini inşa etmesine, iş birliği yapmasına, sahip olmasına ve para kazanmasına olanak tanıyarak adil, açık bir AI Agent ağ ekosistemini teşvik etmektir.

Sentient Foundation ekibi, dünya çapında en iyi akademik uzmanları, blockchain girişimcilerini ve mühendisleri bir araya getirerek, topluluk odaklı, açık kaynaklı ve doğrulanabilir bir AGI platformu inşa etmeye kendini adamıştır. Çekirdek üyeler arasında Princeton Üniversitesi profesörü Pramod Viswanath ve Hindistan Bilim Enstitüsü profesörü Himanshu Tyagi yer almakta olup, sırasıyla AI güvenliği ve gizlilik korumasından sorumludurlar. Ayrıca Polygon'un kurucu ortağı Sandeep Nailwal, blockchain stratejisi ve ekosistem yerleşimi konusunda liderlik yapmaktadır. Ekip üyelerinin geçmişi, Meta, Coinbase, Polygon gibi tanınmış şirketlerin yanı sıra Princeton Üniversitesi, Hindistan Teknoloji Enstitüleri gibi önde gelen üniversiteleri kapsamakta, AI/ML, NLP, bilgisayarlı görü gibi alanlarda projeyi hayata geçirmek için birlikte çalışmaktadır.

Polygon'un kurucu ortaklarından Sandeep Nailwal'ın ikinci girişim projesi olan Sentient, kuruluşunun başında kendine özgü bir aura ile birlikte gelir, zengin kaynaklar, bağlantılar ve pazar bilinirliği ile projeye güçlü bir destek sağlar. 2024 yılının ortalarında, Sentient 85 milyon dolarlık bir tohum finansmanı tamamladı, lider yatırımcılar arasında Founders Fund, Pantera ve Framework Ventures yer alıyor, diğer yatırımcılar arasında Delphi, Hashkey ve Spartan gibi onlarca tanınmış VC bulunmaktadır.

Tasarım Mimarisi ve Uygulama Katmanı

Altyapı Katmanı

Kilit Mimarisi

Sentient'in temel mimarisi, AI Pipeline ve on-chain sisteminden oluşmaktadır:

AI boru hattı "sadık AI" nesnelerinin geliştirilmesi ve eğitilmesi için temeli oluşturur ve iki temel süreç içerir:​

• Veri Planlama (Data Curation): Modelin hizalanması için topluluk odaklı veri seçme süreci.
• Sadakat Eğitimi (Loyalty Training): Modelin topluluğun niyetleriyle uyumlu bir eğitim sürecini sürdürmesini sağlamak.

Blok zinciri sistemi, protokollere şeffaflık ve merkeziyetsiz kontrol sağlayarak, AI eserlerinin mülkiyeti, kullanım takibi, gelir dağılımı ve adil yönetişimi güvence altına alır. Belirli yapı dört katmana ayrılmıştır:

• Depolama katmanı: Model ağırlıklarını ve parmak izi kayıt bilgilerini depolar;
• Dağıtım katmanı: Yetkilendirme sözleşmesi kontrol modeli çağrı girişi;
• Erişim katmanı: Kullanıcının yetkilendirilip yetkilendirilmediğini doğrulamak için izin kanıtı kullanır;
• Teşvik Katmanı: Gelir yönlendirme sözleşmesi, her çağrı için ödemeyi eğitimciler, dağıtıcılar ve doğrulayıcılara dağıtacaktır.

OML model çerçevesi

OML çerçevesi (Açık Open, Para Kazanılabilir Monetizable, Sadık Loyal), Sentient tarafından önerilen temel bir konsepttir ve açık kaynak AI modellerine net mülkiyet koruma ve ekonomik teşvik mekanizmaları sağlamayı amaçlamaktadır. Zincir üstü on-chain teknoloji ve AI yerel kriptografi kombinasyonu ile şu özelliklere sahiptir:

• Açıklık: Model açık kaynak olmalı, kod ve veri yapısı şeffaf olmalı, topluluğun yeniden üretmesi, denetlemesi ve geliştirmesi için kolay olmalıdır.
• Para kazanma: Her model çağrısı bir gelir akışını tetikler, on-chain sözleşme gelirleri eğitmenler, dağıtıcılar ve doğrulayıcılara dağıtır.
• Sadakat: Model, katkıda bulunan topluluğa aittir, yükseltme yönü ve yönetim DAO tarafından belirlenir, kullanımı ve değiştirilmesi kripto mekanizmasıyla kontrol edilir.

AI Yerel Kriptografi (AI-native Cryptography)

AI yerel kriptografi, AI modelinin sürekliliği, düşük boyutlu manifold yapısı ve modelin türevlenebilir özelliklerini kullanarak "doğrulanabilir ama kaldırılabilir olmayan" hafif güvenlik mekanizmaları geliştirmektedir. Temel teknolojisi şudur:

• Parmak izi gömülü: Eğitim sırasında modelin benzersiz imzasını oluşturmak için gizli bir dizi sorgu-cevap anahtar-değer çifti eklenir;
• Mülkiyet doğrulama protokolü: Parmak izinin korunup korunmadığını sorgulama biçiminde üçüncü taraf dedektörü (Prover) aracılığıyla doğrulayın;
• İzin çağrısı mekanizması: Çağrıdan önce model sahibinin verdiği "yetki belgesi" alınmalı, sistem buna dayanarak modelin bu girişi çözmesine ve doğru yanıtı döndürmesine yetki verir.

Bu yöntem, "davranıma dayalı yetkilendirme çağrısı + aitlik doğrulaması"nı yeniden şifreleme maliyeti olmadan gerçekleştirebilir.

Model Hak Sahipliği ve Güvenli Uygulama Çerçevesi

Sentient şu anda Melange karışık güvenliği kullanmaktadır: parmak izi doğrulama, TEE yürütme ve on-chain sözleşme kar paylaşımının birleşimi. Parmak izi yöntemi OML 1.0 uygulaması ana hattıdır ve "iyimser güvenlik (Optimistic Security)" düşüncesini vurgular, yani varsayılan olarak uyumlu, ihlal durumunda tespit edilebilir ve cezalandırılabilir.

Parmak izi mekanizması, OML'nin ana uygulamasıdır ve modelin eğitim aşamasında benzersiz imzalar oluşturmak için belirli "soru-cevap" çiftlerini gömerek çalışır. Bu imzalar sayesinde, modelin sahipleri aitliği doğrulayabilir, yetkisiz kopyalayıp ticaretini engelleyebilir. Bu mekanizma yalnızca model geliştiricilerin haklarını korumakla kalmaz, aynı zamanda modelin kullanım davranışları için izlenebilir bir on-chain kayıt sağlar.

Ayrıca, Sentient, yalnızca yetkilendirilmiş isteklere yanıt veren ve yetkisiz erişim ve kullanımı önleyen güvenilir bir yürütme ortamı (örneğin, AWS Nitro Enclaves) kullanan Enclave TEE hesaplama çerçevesini tanıttı. TEE donanıma bağımlı olsa da ve belirli güvenlik riskleri taşısa da, yüksek performansı ve gerçek zamanlılık avantajları, onu mevcut model dağıtımının temel teknolojisi haline getiriyor.

Gelecekte, Sentient sıfır bilgi kanıtları (ZK) ve tamamen homomorfik şifreleme (FHE) teknolojilerini tanıtmayı planlıyor, gizlilik korumasını ve doğrulanabilirliği daha da artırarak AI modellerinin merkeziyetsiz dağıtımı için daha olgun çözümler sunacak.

![Biteye ve PANews ortaklaşa AI Layer1 raporu yayımladı: On-chain DeAI için verimli toprakları aramak](